Bayesian methods
베이즈 회귀
베이즈 회귀는 모델 매개변수를 불확실한 양으로 취급하는 선형 회귀의 확률적 버전입니다. 단일 최적 적합 추정치를 반환하는 대신, 사전 지식과 관측 데이터를 결합하여 각 매개변수에 대한 전체 사후 확률 분포를 생성하며, 여기서 신뢰 구간과 예측을 읽어냅니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+45 more
출처
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
이 페이지 인용 방법
ScholarGate. (2026, June 1). Bayesian Linear Regression. ScholarGate. https://scholargate.app/ko/bayesian/bayesian-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →이 방법을 참조하는 항목
자동 미분 변분 추론 (ADVI)베이즈 요인 검정베이즈 ANOVA베이지안 요인 분석베이지안 계층 모델측정 오차를 포함한 베이즈 추론결측 데이터가 있는 베이즈 추론베이즈 도구 변수 (Bayesian IV)베이즈 선형 회귀베이지안 로지스틱 회귀Bayesian Model Averaging측정 오차를 동반한 베이즈 모델 평균 (BMA-ME)베이즈 네트워크베이즈 비모수적 방법베이지안 구조 방정식 모형 (Bayesian Structural Equation Modeling, BSEM)베이지안 구조 시계열베이지안 생존 분석베이지안 t-검정켤레 켤레 사전 분석차등 진화디리클레 과정 혼합 모형동적 베이즈 추론동적 해밀토니안 몬테카를로경험적 베이즈깁스 샘플링(Gibbs Sampling)해밀토니안 몬테카를로계층적 베이즈 추론계층적 베이즈 모델 평균화계층적 해밀턴ian 몬테 카를로계층적 마르코프 연쇄 몬테카를로계층적 변분 추론칼만 필터라플라스 근사Markov Chain Monte Carlo (MCMC)마르코프 연쇄 몬테카를로 (MCMC)MCMC with Measurement Error메트로폴리스-헤이스팅스 알고리즘Mixed Logit Model다층 베이즈 추론다수준 베이지안 모형 평균화다수준 MCMC (Multilevel MCMC)No-U-Turn Sampler (NUTS)파티클 필터 (순차 몬테카를로)강건 베이즈 추론강건 베이지안 모형 평균화Robust Gibbs Sampling강건 변분 추론슬라이스 샘플링공간 베이지안 모형 평균화시계열 베이즈 계층 모델시계열 베이즈 추론시계열 베이지안 모형 평균시계열 칼만 필터변분 추론